![](https://img-blog.csdnimg.cn/20201014180756925.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
图神经网络论文精读
文章平均质量分 91
NoteLoopy
这个作者很懒,什么都没留下…
展开
-
Protein Structure Representation Learning by Geometric Pretraining-通过几何预训练进行蛋白质结构表示学习
学习有效的蛋白质表示对于生物学的各种任务(例如预测蛋白质功能或结构)至关重要。现有方法通常在大量未标记的氨基酸序列上预训练蛋白质语言模型,然后在下游任务中使用一些标记数据对模型进行微调。尽管基于序列的方法很有效,尚未探索对少量已知蛋白质结构进行预训练的力量用于蛋白质特性预测,尽管已知蛋白质结构是蛋白质功能的决定因素。在本文中,我们提出根据蛋白质的 3D 结构来预训练蛋白质表示。我们首先提出一个简单而有效的编码器来学习蛋白质几何特征,我们通过利用多视图对比学习和不同的自我预测任务来预训练蛋白质图编码器。蛋白质原创 2023-11-19 22:18:45 · 211 阅读 · 0 评论 -
Similarity Preserving Adversarial Graph Contrastive Learning-相似性保持对抗图对比学习-图神经网络精读论文(1)
# Similarity Preserving Adversarial Graph Contrastive Learning-相似性保持对抗图对比学习-精读原创 2023-11-15 20:14:41 · 123 阅读 · 0 评论